随着现代工业技术的飞速发展,设备的寿命预测在企业生产经营中的地位日益突出。制动系统作为动车组的关键系统,其安全性、稳定性和经济性是制动系统制造商、维修厂等各个相关部门关注的焦点。制动闸片是制动系统的关键部件,它在动车组制动时的高温环境和强大外力作用下发生的摩擦过程会对其自身造成一定的磨损,当磨损量达到一定的程度时需要进行更换以保障制动系统的正常运转。因此,对制动闸片进行剩余寿命进行预测并以此为基础制定恰当的维修及更换策略,对保证动车组运行的安全性、提高材料的利用率有重要意义。本文以动车组制动系统中的制动闸片为研究对象,使用机器学习相关算法,综合考虑制动闸片磨损相关因素,基于动车组车地通讯系统采集的动车组实时运行数据,对其寿命预测中的关键技术,即磨损量估算技术进行研究,建立了一种动车组制动闸片磨损量估算模型。主要进行了以下三方面的研究工作：(1)基于对动车组制动闸片寿命预测的关键技术的分析,确定了以制动闸片磨损量估算模型研究作为本文的核心内容。考虑制动闸片磨损的具体情况,确定了磨损量估算模型的建立方案。(2)考虑到动车组实时运行数据获取中存在的问题,介绍了本课题研究中用于数据获取的系统,即动车组车地通讯系统。主要从动车组运行数据的采集、传输数据所用无线网络的选择和服务器接收系统对数据的接收、处理三个方面进行了分析。(3)对机器学习中BP神经网络模型进行了研究,针对传统BP神经网络模型中学习机制的缺陷进行了改进。基于动车组车地通讯系统获取的动车组实时运行数据,使用改进的训练算法建立了制动闸片磨损量估算模型,并且介绍了将该模型作为寿命预测系统中软件构件的实现方法。实验结果表明,基于本课题研究过程中采集的数据,使用文中提出的改进的训练算法进行训练,与传统的训练算法相比,能获得更好的性能。